WiMoT无重放Wi-Fi感知持续学习方法发布

2026年10月26日，Chunchun Yang等人在arXiv发布WiMoT方法，提出一种无重放的持续Wi-Fi感知技术。该模型通过矩传输机制，存储早期域的类特征均值与协方差，避免存储原始样本。 实验显示，WiMoT在3DO、WiMANS和Widar3.0数据集上平均准确率最高达95.16%，遗忘度仅0.58pp，领先强基线3.77至13.11个百分点。同时，通过闭式损失保持早期类别可分性，且无需输入域标识即可预测。 在存储效率方面，该方法将矩内存压缩93.6%。若以秩为32的因子形式存储，内存可进一步缩小至6.4%，精度损失最多0.49pp，符合边缘节点存储预算，解决了持续学习中的灾难性遗忘与存储难题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。